Pandas可选前

Question

我在数据集中有一列，其格式如下：

'XX4H30M'

我需要把这些序列中的数字提取成两列（“H”和“M”）。在

如果格式与所描述的完全相同，则以下内容符合我的需要：

^{pr2}$

然而，本系列中的许多单元格只包含

^{3}$

或XX3H

有没有一种方法可以选择性地提取这些模式来插入到全局数据框中？在

对于一组具体的例子：

df = pd.DataFrame({'A': ['XX1H30M', 'XX45M', 'XX2H'])

最后会变成

Out: 
A  H  M
0  XX1H30M  1  30
1  XX45M  0  45
2  XX2H  2  0

Answer 1

你可以试试这样的方法：

df.assign(H=df.A.str.extract('([\d]+)H', expand=False),
          M=df.A.str.extract('([\d]+)M', expand=False)).fillna(0)

输出：

^{pr2}$

Answer 2

另一个在一个步骤中提取H和M的选项，这里使用(?:(?P<H>\d+)H)?(?:(?P<M>\d+)M)?将{}和{}捕获为命名组；要避免由于两个组都是可选的而匹配空字符串，请在模式的开头添加一个前瞻性断言{}：

df = pd.DataFrame({'A': ['XXX1H30M', 'XXX45M', 'XXX2H', 'XXX']}) 

df.A.str.extract(r'(?=\d+H|\d+M)(?:(?P<H>\d+)H)?(?:(?P<M>\d+)M)?', expand=True).fillna(0)

#   H    M
#0  1   30
#1  0   45
#2  2    0
#3  0    0

这比单独提取要快一些：

^{pr2}$